<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Wind_know的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Wind_know</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Wind_know]]></copyright><item><title><![CDATA[基于pycharts全国民政局登记数据分析可视化]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/128886219</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/128886219</guid><author>Wind_know</author><pubDate>Sat, 04 Feb 2023 22:08:30 +0800</pubDate><description><![CDATA[全国民政局登记数据分析可视化。]]></description><category></category></item><item><title><![CDATA[基于pycharts的白蛇2影评分析]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/128886013</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/128886013</guid><author>Wind_know</author><pubDate>Sat, 04 Feb 2023 21:52:04 +0800</pubDate><description><![CDATA[电影简介2021年7月23日， 白蛇2：青蛇劫起在大陆上映，主要讲述南宋末年，小白为救许仙水漫金山，终被法海压在雷峰塔下。小青则意外被法海打入诡异的修罗城幻境。几次危机中小青被神秘蒙面少年所救，小青带着出去救出小白的执念历经劫难与成长，同蒙面少年一起寻找离开办法的故事。]]></description><category></category></item><item><title><![CDATA[基于pycharts星巴克门店分布可视化分析]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/128885658</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/128885658</guid><author>Wind_know</author><pubDate>Sat, 04 Feb 2023 21:34:58 +0800</pubDate><description><![CDATA[基于pycharts星巴克门店分布可视化分析。]]></description><category></category></item><item><title><![CDATA[KNN算法python自实现]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/127471430</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/127471430</guid><author>Wind_know</author><pubDate>Sun, 23 Oct 2022 10:25:05 +0800</pubDate><description><![CDATA[KNN算法原理python实现]]></description><category></category></item><item><title><![CDATA[数据结构之复杂度]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/117050909</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/117050909</guid><author>Wind_know</author><pubDate>Thu, 20 May 2021 01:18:23 +0800</pubDate><description><![CDATA[数据结构和算法是程序员的内功,从今天起开始学数据结构（java）

目录

数据结构和算法是程序员的内功,从今天起开始学数据结构（java）

复杂度

斐波那契数列 是前后两个数字加起来等于后面那个数字

第一种方法通过递归调用 实现 

第二种方法通过循环调用 实现 

​结果可知

​​​​​​​

什么是算法
算法是用于解决特定问题的一系列执行步骤
使用不同算法，解决一个问题效率可能相差非常大

复杂度


斐波那契数列 是前后两个数字加起来等于后面那个数字


0 1 1 2...]]></description><category></category></item><item><title><![CDATA[推荐系统简介]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/107370179</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/107370179</guid><author>Wind_know</author><pubDate>Wed, 15 Jul 2020 21:43:56 +0800</pubDate><description><![CDATA[目录



推荐系统概念及产生背景

推荐系统定义：

信息过载 &amp; 用户需求不明确

推荐系统 V.S. 搜索引擎

推荐系统的工作原理及作用

推荐系统的工作原理

推荐系统和Web项目的区别

推荐系统设计

1 推荐系统要素

2 推荐系统架构

大数据Lambda架构

Lambda架构介绍

推荐系统概念及产生背景

个性化推荐(推荐系统)经历了多年的发展，已经成为互联网产品的标配，也是AI成功落地的分支之一，在电商(淘宝/京东)、资讯(今日头条/微博)、音乐(网易云音乐/QQ音乐...]]></description><category></category></item><item><title><![CDATA[TensorFlow线性回归]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/107339274</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/107339274</guid><author>Wind_know</author><pubDate>Tue, 14 Jul 2020 19:26:08 +0800</pubDate><description><![CDATA[目录

代码实现

MNIST数据集

神经网络构建

Softmax函数

数据简单分类

代码实现


#导包
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

#使用numpy 生成200个随机点   
x_data=np.linspace(-0.5,0.5,200)[:,np.newaxis]#newaxis加维度
noise=np.random.normal(0,0.02,x_data.shape]]></description><category></category></item><item><title><![CDATA[TensorFlow的使用]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/107309810</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/107309810</guid><author>Wind_know</author><pubDate>Mon, 13 Jul 2020 23:11:37 +0800</pubDate><description><![CDATA[Tensorflow基本概念

使用图（graphs）来表示计算任务
	在被称之为会话（Session）的上下文（context）中执行图
	使用tensor表示数据
	通过变量（Variable）维护状态
	使用feed和fetch可以为任意的操作赋值或者从其中获取数据
Tensorflow是一个编程系统，使用图（graphs）来表示计算任务，图（graphs）中的节点称之为op（operation），一个op获得0个或多个Tensor，执行计算，产生0个或多个Tensor。Tensor 看作是一个 n ]]></description><category></category></item><item><title><![CDATA[传统神经网络]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/107280212</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/107280212</guid><author>Wind_know</author><pubDate>Sat, 11 Jul 2020 21:54:17 +0800</pubDate><description><![CDATA[1. 神经网络起源：线性回归

线性回归：线性关系来描述输入到输出的映射关系

应用场景



一个线性回归问题

目标方程：y=ax1+bx2+cx3+d 参数：m=[a,b,c,d]，

数据：[(x1,1,x2,1,x3,1), (x1,2,x2,2,x3,2), …(x1,n,x2,n,x3,n)]

[y1,y2…..yn]

预测：ŷt＝ax1,t+bx2,t+cx3,t+d

目标： minimize (ŷt -yt)，使得预测的y值和真实y值越小越好。

优化方法(优化目标)

模型参数：当]]></description><category></category></item><item><title><![CDATA[深度学习总体介绍]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/107235870</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/107235870</guid><author>Wind_know</author><pubDate>Fri, 10 Jul 2020 23:16:55 +0800</pubDate><description><![CDATA[知识结构



传统到现在



推动因素



深度学习应用

无人驾驶



无人超市




自动翻译




个人助手



深度学习应用特点

优点：学习能力强，覆盖范围广，适应性好，可移植性好。

缺点：计算量大，便携性差，硬件要求高，模型设计复杂，有可能被hack，长于计算，弱于算计。



深度学习框架比较


			框架
			
			
			语言

			语言
			
			
			文档

			资料
			
			
			CNN

			兼容
			
			
			RNN

			..]]></description><category></category></item><item><title><![CDATA[回归人脸自动补全]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/107155900</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/107155900</guid><author>Wind_know</author><pubDate>Wed, 08 Jul 2020 09:44:18 +0800</pubDate><description><![CDATA[导包


import numpy as np

import matplotlib.pyplot as plt
%matplotlib inline

# 构建方程
from sklearn.linear_model import LinearRegression,Ridge,Lasso

# 构建方程？？？
from sklearn.neighbors import KNeighborsRegressor

from sklearn.tree import DecisionTreeRegressor

]]></description><category></category></item><item><title><![CDATA[逻辑斯蒂回归原理及其概率计算]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/107113473</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/107113473</guid><author>Wind_know</author><pubDate>Fri, 03 Jul 2020 22:45:45 +0800</pubDate><description><![CDATA[逻辑斯蒂回归

利用Logistics回归进行分类的主要思想是：根据现有数据对分类边界建立回归公式（f(x1,x2....)）=w1x1+w2x2+.......),以此分类。这里的“回归”一词源于最佳拟合，表示要找到最佳拟合参数集。

Logistic Regression和Linear Regression的原理（函数：二乘法（y-wx）^2,最小）是相似的，可以简单的描述这样的过程。



原理过程





预测函数





原理代码实现




import numpy as np
X = ..]]></description><category></category></item><item><title><![CDATA[线性回归，岭回归，套索回归等等]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/107081835</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/107081835</guid><author>Wind_know</author><pubDate>Thu, 02 Jul 2020 20:23:51 +0800</pubDate><description><![CDATA[目录



岭回归

原理

缩减系数来“理解”数据

优点

总结

小结

应用场景

代码实现

导包

样本小于特征，无数个解

打乱索引

矩阵乘法

比较三种算法

计算斜率

岭回归alpha最优化

导包

设X矩阵

设y

岭回归拟合

画图表示 alpha和coefs的关系

岭回归

原理



缩减系数来“理解”数据



优点

缩减方法可以去掉不重要的参数，因此能更好地理解数据。此外，与简单的线性回归相比，缩减法能取得更好的预测效果

岭回归是加了二阶正则项的最小二乘，主要适.]]></description><category></category></item><item><title><![CDATA[其他线性回归，岭回归等]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/107032949</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/107032949</guid><author>Wind_know</author><pubDate>Tue, 30 Jun 2020 22:30:20 +0800</pubDate><description><![CDATA[普通最小二乘法







范数

范数(norm)是数学中的一种基本概念。在泛函分析中，它定义在赋范线性空间中，并满足一定的条件，即①非负性；②齐次性；③三角不等式。它常常被用来度量某个向量空间（或矩阵）中的每个向量的长度或大小。将数视为向量。

当p取1,2，无穷的时候分别是以下几种最简单的情形：

1-范数：║x║1=│x1│+│x2│+…+│xn│

2-范数：║x║2=（│x1│2+│x2│2+…+│xn│2）1/2

∞-范数：║x║∞=max（│x1│，│x2│，…，│xn│）

其中2-.]]></description><category></category></item><item><title><![CDATA[手写线性回归]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/107008722</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/107008722</guid><author>Wind_know</author><pubDate>Sun, 28 Jun 2020 21:54:35 +0800</pubDate><description><![CDATA[目录



导包

创建数据

使用已有的线性回归拟合函数

自己实现线性回归

使用自己实现的线性回归拟合函数

导包


import numpy as np

import matplotlib.pyplot as plt
%matplotlib inline

from sklearn.linear_model import LinearRegression#导入算法

创建数据


X = np.linspace(2,10,20).reshape(-1,1)

# f(x) = wx + b
y.]]></description><category></category></item><item><title><![CDATA[线性回归原理及应用]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/106978679</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/106978679</guid><author>Wind_know</author><pubDate>Sat, 27 Jun 2020 11:06:39 +0800</pubDate><description><![CDATA[基础知识

几种常见函数的导数：

① C'=0(C为常数)；
② (x^n)'=nx^(n-1) (n∈Q)；
③ (sinx)'=cosx；
④ (cosx)'=-sinx；
⑤ (e^x)'=e^x；
⑥ (a^x)'=a^xIna （ln为自然对数）
⑦ loga(x)'=(1/x)loga(e)

导数的四则运算:

①(u±v)'=u'±v'
②(uv)'=u'v+uv'
③(u/v)'=(u'v-uv')/ v^2
④[u(v)]'=[u'(v)]*v' （u(v)为复合函数...]]></description><category></category></item><item><title><![CDATA[AdaBoost原理]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/106957537</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/106957537</guid><author>Wind_know</author><pubDate>Fri, 26 Jun 2020 20:39:44 +0800</pubDate><description><![CDATA[Bagging套袋法

随机森林就采用的套袋法，在Bagging中，通过对训练样本重新采样的方法得到不同的训练样本集，在这些新的训练样本集上分别训练学习器，学习器之间是独立的，最终合并每一个学习器的结果，作为最终的学习结果，Bagging方法的具体过程如下图所示：





在Bagging方法中，b个学习器之间彼此是相互独立的，这样的特点使得Bagging方法更容易并行。每个学习器权重都为1/b。

Bossting提升树

梯度提升树就采用的Boosting算法，与Bagging方法不同，在Boost.]]></description><category></category></item><item><title><![CDATA[pandas批量处理体育成绩]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/106936803</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/106936803</guid><author>Wind_know</author><pubDate>Wed, 24 Jun 2020 17:01:57 +0800</pubDate><description><![CDATA[目录

导包

读取数据

取前45行

图表中存在不规范数据，去掉该类数据

缺失数据填充

查看是否有空数据

处理数字

评分，还要读取评分表

将列属性时间数据转化为浮点数据

两张表索引不太对应，改变一下

增加字段

先转化数据

计算成绩

同理处理体前屈，引体，肺活量。

调整顺序

BMI指数

统计分析

画图

Pandas在处理千万行级别的数据中有非常高的实用价值，pandas 本质上是对表格数据的封装，而表格数据处理必然需要遍历数据。然而，在实际使用 pandas 过程中，一般都不]]></description><category></category></item><item><title><![CDATA[梯度分类原理]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/106905844</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/106905844</guid><author>Wind_know</author><pubDate>Mon, 22 Jun 2020 17:11:53 +0800</pubDate><description><![CDATA[算法流程




xi = np.arange(1,11)

yi = np.array([0,0,0,1,1]*2)
display(xi,yi)



改变形状


#一个参数为-1时，那么reshape函数会根据另一个参数的维度计算出数组的另外一个shape属性值。

xi.reshape(-1,1)

算法


gbdt = GradientBoostingClassifier(n_estimators=3,max_depth=1)

gbdt.fit(xi.reshape(-1,1),yi)

第]]></description><category></category></item><item><title><![CDATA[梯度下降与梯度上升]]></title><link>https://blog.youkuaiyun.com/Wind_know/article/details/106890544</link><guid>https://blog.youkuaiyun.com/Wind_know/article/details/106890544</guid><author>Wind_know</author><pubDate>Sun, 21 Jun 2020 22:12:09 +0800</pubDate><description><![CDATA[目录



梯度

导包

方程

画图

对f求导

求解导数令导数=0求解最小值

梯度下降求解最小值

用lambda表示求导后的方程

设置学习率

梯度下降找最优值

梯度上升找最大值

函数二，有最大值

更新规则

将每一步怎么走的过程画出来 ，加入result[]

画图

梯度

梯度的本意是一个向量（矢量），表示某一函数在该点处的方向导数沿着该方向取得最大值，即函数在该点处沿着该方向（此梯度的方向）变化最快，变化率最大（为该梯度的模）。

导包


import numpy as np.]]></description><category></category></item></channel></rss>